Luther A. Latumakulita1)
1)Program Studi Matematika FMIPA Universitas Sam Ratulangi Jl. Kampus Unsrat Manado 95115
e-mail: alexalatu@gmail.com
ABSTRAK
Telah dibangun sistem pakar untuk mendiagnosa penyakit anak dengan penanganan faktor
ketidakpastian menggunakan certainty factor (CF). Tahapan pembangunan sistem ini dimulai
dengan mengakuisisi pengetahuan dari dokter ahli anak kemudian membangun basis pengetahuan dan memberikan nilai CF pada setiap gejala yang terkait dengan suatu penyakit anak dalam range nilai 0 dan1. Dengan memilih gejala-gejala penyakit yang dilihat atau dirasakan maka sistem dapat mendiagnosa penyakit anak dengan menampilkan tiga penyakit dengan nilai CF terbesar yang diurutkan secara descending.
Kata kunci : Certainty faktor, sistem pakar, penyakit anak
EXPERT SYSTEM FOR DIAGNOSING CHILD DISEASE BY USING CERTAINTY FACTOR (CF)
ABSTRACT
An expert system has been conducted for diagnosing child disease by using certainty factor (CF)
with uncertainty variable. This conducting phase was started by acquiring the pediatrician’s
knowledge which was then followed by conducting knowledge base and giving CF value on every symptom which bonds to a child disease on 0 to 1 range. By choosing the syptoms of the disease that have been observed or felt, the system would be able to diagnose the child disease by showing the three diseases which have been listed descendingly from the biggest CF value.
Keywords: certainty factor, expert system, child disease
PENDAHULUAN
Latar Brlakang
Ketersediaan dokter ahli dan tenaga medis relatif masih kurang khususnya di daerah-daerah pelosok dan terpencil. Hal ini membuat masyarakat mengalami kesulitan dalam mendiagnosa penyakit tertentu
sehingga penanganan medis menjadi
terlambat dan dapat mengakibatkan resiko kematian.
Anak sangat rentan terhadap kuman penyakit sehingga sebagai orang tua perlu untuk secara cepat memperoleh informasi tentang tingkat keparahan penyakit anak walaupun tidak tersedia dokter ahli anak sehingga orang tua mempunyai pengetahuan yang cukup untuk melakukan tindakan awal.
Keterbatasan ketersediaan tenaga
paramedis khususnya dokter ahli anak di
daerah terpencil dapat diatasi dengan
mengadopsi kepakaran dokter ahli anak kedalam suatu sistem berbasis komputer yang
mampu melakukan diagnosa layaknya
seorang dokter ahli anak. Untuk menangani factor ketidakpastian dalam mendiagona penyakit anak maka sistem pakar tersebut dirancang dengan menggunakan teori-teori ketidak pastian seperti yang akan di bahas pada bab selanjutnya. Sistem pakar yang akan dibangun dalam penelitian ini menggunakan
Certainty Factor. (CF) untuk penanganan masalah ketidakpastian.
Perumusan Masalah
Dalam penelitian ini yang menjadi
permasalahan utama adalah bagaimana
membangun suatu sistem berbasis komputer yang dapat mengadopsi kepakaran dokter ahli
(CF) dalam menangani masalah ketidakpastian. sehingga masyarakat dapat
menngunakan sistem tersebut untuk
melakukan diagnosa terhadap penyakit anak.
TINJAUAN PUSTAKA
Sistem Pakar
Sistem pakar adalah suatu program komputer yang dirancang untuk mengambil keputusan seperti keputusan yang diambil oleh seorang atau beberapa orang pakar.
Dalam penyusunannya, sistem pakar
mengkombinasikan kaidah-kaidah penarikan kesimpulan (inference rules) dengan basis pengetahuan tertentu yang diberikan oleh satu atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer, yang selanjutnya digunakan dalam proses pengambilan keputusan untuk penyelesaian masalah tertentu. Tujuan utama sistem pakar bukan untuk menggantikan kedudukan seorang ahli atau seorang pakar,
tetapi hanya untuk memasyarakatkan
pengetahuan dan pengalaman dari para pakar. Seiring pertumbuhan populasi manusia, maka di masa yang akan datang sistem pakar ini diharapkan sangat berguna membantu dalam hal pengambilan keputusan (Giarratano dan Riley, 2005).
Berikut ini ada beberapa definisi tentang sistem pakar menurut para ahli, antara lain :
a) Sistem pakar adalah sistem berbasis
komputer yang menggunakan
pengetahuan, fakta, dan teknik penalaran
dalam memecahkan masalah, yang
biasanya hanya dapat diselesaikan oleh seorang pakar dalam bidang tertentu (Martin dan Oxman, 1988).
b) Sistem pakar merupakan bidang yang
dicirikan oleh sistem berbasis
pengetahuan (Knowledge Base System), memungkinkan komputer dapat berfikir
dan mengambil keputusan dari
sekumpulan kaidah (Ignizio, 1991).
c) Sistem pakar adalah program komputer
yang didesain untuk meniru kemampuan memecahkan masalah dari seorang pakar. Pakar adalah orang yang memiliki
kemampuan atau mengerti dalam
menghadapi suatu masalah. Lewat
pengalaman, seorang pakar
mengembangkan kemampuan yang
membuatnya dapat memecahkan
permasalahan dengan hasil yang baik dan efisien (John Durkin, 1994)
d) Sistem pakar adalah salah satu cabang
kecerdasan buatan yang menggunakan pengetahuan-pengetahuan khusus yang
dimiliki oleh seorang ahli untuk
menyelesaikan suatu masalah tertentu (Giarratano dan Riley, 2005).
Certainty Factor
Sistem pakar harus mampu bekerja dalam ketidakpastian (Giarratano dan Riley, 2005). Sejumlah teori telah ditemukan untuk menyelesaikan ketidakpastian, antara lain:
a) Probabilitas klasik (classical
probability)
b) Probabilitas Bayes (Bayesian
probability)
c) Teori Hartley berdasarkan himpunan
klasik (Hartley theory based on
classical sets)
d) Teori Shannon berdasarkan pada
probabilitas (Shanon theory based on
probability)
e) Teori Dempster-Shafer (
Dempster-Shafer theory)
f) Teori fuzzy Zadeh (Zadeh’s fuzzy
theory)
g) Faktor kepastian (certainty factor)
Rumus umum menentukan Certainty
Factor :
CF[H,E] = MB[H,E] – MD[H,E] ….. (1) dengan :
CF[h,e] = faktor kepastian
MB[h,e]= ukuran kepercayaan terhadap hipotesis h, jika diberikan
evidence e (antara 0 dan 1)
MD[h,e] = ukuran ketidakpercayaan terha-
dap evidence h, jika diberikan
evidence e (antara 0 da1)
Suatu sistem pakar seringkali
memiliki kaidah lebih dari satu dan terdiri dari beberapa premis yang dihubungkan
dengan AND atau OR. Pengetahuan mengenai
premis dapat juga tidak pasti, hal ini
dikarenakan besarnya nilai (value) CF yang
diberikan oleh pasien saat menjawab
pertanyaan sistem atas premis (gejala) yang dialami pasien atau dapat juga dari nilai CF hipotesa.
CF(R1) + CF(R2) – [CF(R1) * CF(R2)] ;
CF(H) CF(R1) + CF(R2) + [CF(R1) * CF(R2)];
nilai CF(R1) dan CF(R2) > 0
nilai CF(R1) dan CF(R2) < 0
nilai CF(R1) dan CF(R2) berlawanan tanda
CF(H)= (Rumus 2)
METODE PENELITIAN
Metode-metode yang digunakan
dalam penelitian ini:
a) Studi Pustaka
Studi pustaka mempelajari defenisi
b) Wawancara dengan dokter ahli anak untuk
mendapatkan data penyakit anak dan gejala-gejalanya serta teknik inferensi untuk memperoleh kesimpulan
c) Metode Pengembangan Sistem
Dalam pengembangan sistem beberapa tahapan yang dilakukan adalah:
Tahapan Akuisisi Pengetahuan
Pada bagian ini dilakukan proses
mengubah data-data menjadi perumusan pengetahuan awal tentang penyakit anak. Pada bagian ini melibatkan pakar penyakit mata sebagai nara sumber.
Tahapan Perancangan Sistem
Pada bagian ini, rumusan pengetahuan yang telah diperoleh diolah lebih lanjut menjadi bentuk pengetahuan dalam format
JIKA <anteseden> MAKA
<konsekuen>. Konsekuen merupakan kesimpulan berdasarkan rule dari basis pengetahuan. Dalam tahapan ini juga dirancang interface menyangkut interface untuk penginputan data dan interface untuk proses diagnose
Tahapan Implementasi
Dalam tahapan ini rancangan yang sudah dibuat pada tahapan sebelumnya di
terjemahkan dalam sintaks bahasa
pemograman
Tahapan Pengujian Sistem
Dalam tahapan ini data diinput dan proses diagnose dilakukan keudian output sistem berupa hasil diagnose dianalisis untuk menguji kebenarannya sesuai dengan teori-teori yang dilibatkan.
Akuisisi Pengetahuan
Berdasarkan pengetahuan yang
diperoleh dari pakar maka sibangun table keputusan sebagai dasar pembuatan mesin
inferensi. Tabel keputusan Sistem
Pendiagnosa Penyakit Anak Menggunakan
Certainty Factor dapat dilihat pada tabel 1.
Nilai Certainty Factor ditentukan
untuk setiap gejala yang melekat pada suatu penyakit dan dalam sistem ini nilai certainty factor dapat diupdate.
Dari Tabel keputusan diatas maka dapat
dibentuk tujuh aturan (rule) Sebagai berikut
R1: IF demam AND lesu AND malas makan AND muntah berak AND pendarahan pada kulit AND mimisan AND sakit kepala THEN penyakit=DBD
R2: IF demam AND sakit kepala AND tubuh menggigil AND denyut jantung lemah
AND badan lemah AND Nyeri
otot myalgia AND Tidak nafsu makan
AND konstipasi THEN
penyakit=Demam Tifoit
R3: IF demam AND nyeri tenggorokan AND hidung meler AND batuk AND bercak
AND tubuh menggigil AND tidak nafsu makan AND sakit otot AND nyeri perut
AND nyeri punggung THEN
penyakit=Malaria
R7: IF demam AND lesu AND sakit kepala AND mual AND nyeri punggung AND
tonjolan-tonjolan kemerahan AND
Tabel 1. Tabel Keputusan Penyakit Berdasarkan Gejala
Tabel Keputusan Penyakit Berdasarkan Gejalanya
Gejala
Penyakit
P01 P02 P03 P04 P05 P06 P07
Demam √ √ √ √ √
Lesu √ √
Malas makan √
Muntah berak √
Pendarahan pada kulit √
Mimisan √
Sakit Kepala √ √ √ √ √
Tubuh menggigil √ √ √
Denyut jantung lemah √
Badan lemah √
Nyeri otot myalgia √
Tidak nafsu makan √ √
Konstipasi √
Sakit perut √
Penyebaran vlek merah muda √
Nyeri tenggorokan √ √
Hidung meler √
Batuk √
Bercak Koplik √
Nyeri otot √
Mata merah √
Buang air besar terus menerus √
Mual √ √
Muntah-muntah √
Pegal pada punggung √
Perut sering berbunyi √
Kekakuan rahang √
Nyeri telan √
Kejang otot √
Sakit Otot √
Nyeri perut √
Nyeri punggung √ √
Tonjolan-tonjolan kemerahan √
Keterangan Penyakit: P01: DBD (Demam Berdarah Dengue), P02: Demam Tifoid, P03: Campak, P04: Diare, P05: Tetanus, P06: Malaria, P07: Varisela (Cacar Air)
Perancangan Basis Data
Sistem manajemen database yang
digunakan adalam Microsoft Access 2003 dengan struktur tabel sebagai berikut:
1. Tabel User.
Tabel user digunakan untuk menyimpan data user sebagai admin, debgab struktur dapat dilihat pada tabel 2.
Tabel 2. Struktur Tabel User
No. Field Tipe Keterangan
1 Nama User Text User Admin
2 Passwor Text Password Admin
Lebar 20
20
2. Tabel Penyakit.
Tabel penyakit digunakan untuk menyimpan data penyakit, dengan struktur pada Tabel 3.
Tabel 3. Struktur Tabel Penyakit
No. Field Tipe Keterangan
1 Kode Penyakit Text Primary key, Kode Penyakit
2 Nama
Penyakit Text Nama Penyakit
3 Penyebab Memo Penyebab penyakit
Lebar
Tabel gejala digunakan untuk menyimpan semua gejala penyakit yang terkait dengan penyakit anak (Tabel 4).
Tabel 4. Struktur Tabel Gejala
No. Field Tipe Keterangan
1 Kode Gejala Text Primary key, kode gejala penyakit
2 Nama Gejala Text Nama Gejala Penyakit
3 Keterangan
Tabel Penyakit_Gejala adalah tabel yang
digunakan untuk aturan (rule) yang telah
didefenisikan sebelumnya (Tabel 5).
Tabel 5. Struktur Tabel Penyakit_Gejala
No. Field Tipe Keterangan
1 Kode
Penyakit Text Kode Penyakit
2 Kode Gejala Text Kode Gejala Penyakit Lebar
7
7
3 CF Number - Nilai CF Gejala Terhadap Penyakit
HASIL DAN PEMBAHASAN
Bahasa pemograman yang digunakan dalam membangun sistem ini adalah Visual Basic 6.0. Menu utama dari sistem dapat dilihat pada gambar 1.
Gambar 1. Tampilan Menu Utama
Untuk dapat melakukan pengolahan
database pengetahuan berupa data penyakit,
gejala dan rule maka user harus terlebih
melakukan proses login untk memastikan user tersebut sebagai admin. Tampilan dari layar menu login dapat dilihat pada gambar 2.
Gambar 2. Tampilan Menu Login
User sebagai admin yang telah melakukan proses login dapat mengolah data penyakit melalui form penyakit seperti gambar 3 berikut ini:
Gambar 3. Tampilan Form Penyakit
Gambar 4 Tampilan Form Gejala Penyakit
Setelah data gejala dan data penyakit diinput maka langkah selanjutna adalah membangun basis pengetahuan dengan cara
melakukan penginputan data aturan (rules)
melalui form Rule seperti pada gambar 5.
Gambar 5. Tampilan Form Rule
Nilai Certainty Factor (CF)
ditentukan untuk setiap gejala yang berkorespondensi dengan penyakit tertentu dalam range nilai 0..1. Nilai ini mewakili keyakinan seorang pakar dalam hal ini dokter
anak terhadap suatu gejala yang
mempengaruhi terjadinya suatu penyakit tertentu.
Selanjutnya proses diagnosis dapat dilakukan melalui form diagnosa seperti yang terlihat pada gambar 6.
Gambar 6. Tampilan Form Diagnosa
Form diagnosa dapat diakses tanpa melalui proses login. Semua data gejala penyakit yang telah tersimpan dalam tabel gejala ditampilkan dan user dapat memilih gejala yang dirasakan atau dilihat pada anak
dengan cara mencentang button chek yang
tersedia. Berdasarkan gejala-gejala yang
dipilih tersebut maka sistem akan
menjalankan mesin inferensi yang telah
dibuat menurut pendefenisian aturan (rule)
yang telah dilakukan sebelumnya. Untuk menghitung tingkat kepercayaan terjadinya penyakit yang terdiagnosa menggunakan nilai CF dan hasilnya dapat dilihat seperti pada gambar 7 berikut ini:
Gambar 7 Tampilan Form Hasil Diagnosa
Dengan Menggunakan (Rumus 2) nilai CF untuk setiap penyakit dihitung kemudian ditampilkan tiga jenis penyakit dengan nilai CF terbesar yang diurutkan
secara descending. Berdasarkan gejala dipilih
dan nilai CF gejala pada Penyakit DBD seperti pada tabel 6 berikut:
Tabel 6. Nilai CF Gejala Pada Penyakit DBD
No. Gejala Penyakit CF
1 Demam DBD 0,8
2 Lesu DBD 0,5
3 Malas Makan DBD 0,2
4 Mimisan DBD 0,5
5 Muntah Berak DBD 0,6
6 Sakit Kepala DBD 0,3
maka nilai CF Penyakit Denam Berdarah Dengue (DBD) deperoleh dengan cara:
CF(A) = CF(1) + [ CF(2) * (1 – CF(1) ] = 0,8
+ [0,5*(1 – 0,8)] = 0,9
CF(B) = CF(3) + [ CF(A) * (1 – CF(3) ] = 0,2
+ [0,9*(1 – 0,2)] = 0,92
CF(C) = CF(4) + [ CF(B) * (1 – CF(4) ]= 0,5
+ [0,92*(1 – 0,5)] = 0,96
CF(D) = CF(5) + [ CF(C) * (1 – CF(5) ]= 0,6
+ [0,96*(1 – 0,6)]= 0,984
CF(E) = CF(6) + [ CF(D) * (1 – CF(6) ] = 0,3
+ [0,984*(1 – 0,3)]= 0,9888
Sehingga CF penyakit DBD (Demam
Berdarah Dengue) adalah 0,9888 (dibulatkan
nilai CF gejala pada penyakit Demam Tifoid seperti yang terlihat pada tabel 7.
Tabel 7. Nilai CF Gejala Pada Penyakit Demam Tifoid
No. Gejala Penyakit CF
1 Demam Demam Tifoid 0,83
6 Sakit Kepala Demam Tifoid 0,50
Maka nilai CF Penyakit Demam Tifoid adalah :
CF(A) = CF(1) + [ CF(2) * (1 – CF(1) ] =
0,83 + [0,50*(1 – 0,83)] = 0,92
Dan untuk penyakit campak yang hanya memiliki satu gejala dari gejala yang dipilih yaitu gejala demam (CF=80) maka CF Penyakit campak adalah:
CF(A) = CF(1) + [ CF(2) * (1 – CF(1) ] =
0,80 + [0,0*(1 – 0,83)] = 0,80
Dengan cara yang sama maka semua penyakit dihitung nilai CF. Nilai CF Dari hasil perhitungan nilai CF untuk semua
penyakit diperoleh Penyakit Demam
Berdarah Dengue mempunyai nilai CF terbesar yaitu 0,99 Maka penyakit DBD yang di fired sebagai kesimpulan hasil diagnosis menurut gejala yang dipilih.
KESIMPULAN
Sistem Pakar Pendiagnosa Penyakit
Anak Menggunakan Certainty Factor dapat
digunakan untuk mendiagnosa penyakit anak
dengan tingkat kepercayaan yang telah ditentukan oleh pakar terhadap gejala-gejala yang mempengaruhi probabilitas terjadinya suatu penyakit anak. Sistem ini akan optimal jika seorang atau sekelompok pakar dalam hal ini dokter ahli anak telah mendefenisikan secara jelas nilai CF setiap gejala penyakit terhadap kemungkinan terjadinya penyakit anak.
DAFTAR PUSTAKA
Durkin, J. 1994. Expert System: Design and
Development. Prentice-Hall Int. Inc., New Jersey.
Giarratano, J. & Riley, G. 2005. Expert
Sistem: Principles and Programming, 4th Edition. PWS Publishing Company, Boston.
Ignizio, J. P. 1991. Introduction To Expert
Systems : The Development and Implementation of Rule-Based Expert Systems. McGraw-Hill,Inc., New York.
Kusrini. 2006. Sistem Pakar Teori dan Aplikasi. Penerbit Andi, Yokyakarta.
Martin, J & Oxman, S. 1988. Building Expert
